O1-Mini: Model yang mengubah permainan untuk batang dan penalaran

OpenAI memperkenalkan O1-Mini, model penalaran yang cekap kos dengan tumpuan kepada subjek STEM. Model ini menunjukkan prestasi yang mengagumkan dalam matematik dan pengekodan, menyerupai pendahulunya, OpenAI O1, pada pelbagai tanda aras penilaian. OpenAI menjangkakan bahawa O1-Mini akan berfungsi sebagai penyelesaian yang pantas dan ekonomik untuk aplikasi yang menuntut keupayaan penalaran tanpa pengetahuan global yang luas. Pelancaran O1-Mini disasarkan pada pengguna API Tahap 5, yang menawarkan pengurangan kos 80% berbanding dengan OpenAI O1-Preview. Mari kita lihat lebih mendalam mengenai kerja O1 Mini.

Gambaran Keseluruhan

• Openai's O1-Mini adalah model penalaran STEM yang cekap kos, mengatasi rakan sebaya.
• Latihan khusus menjadikan O1-Mini pakar dalam STEM, cemerlang dalam matematik dan pengekodan.
• Penilaian manusia mempamerkan kekuatan O1-Mini dalam penalaran, memihak kepada GPT-4O.
• Langkah-langkah keselamatan memastikan penggunaan bertanggungjawab O1-mini, dengan keteguhan jailbreak yang dipertingkatkan.
• Inovasi Openai dengan O1-Mini menawarkan alat STEM yang boleh dipercayai dan telus.

Jadual Kandungan

• O1-Mini vs LLM lain
• GPT 4O vs O1 vs O1-Mini
• Bagaimana cara menggunakan O1-Mini?
• Prestasi cemerlang O1-Mini: Matematik, pengekodan, dan seterusnya
  • Matematik
  • Pengekodan
  • Batang
  • Penilaian keutamaan manusia
• Komponen Keselamatan di O1-Mini
• Nota akhir

O1-Mini vs LLM lain

LLMS biasanya terlatih pada dataset teks besar. Tetapi inilah tangkapan; Walaupun mereka mempunyai pengetahuan yang luas ini, kadang -kadang boleh menjadi sedikit beban. Anda lihat, semua maklumat ini menjadikan mereka agak lambat dan mahal untuk digunakan dalam senario dunia sebenar.

Apa yang membezakan O1-Mini dari LLMS lain adalah hakikat bahawa yang terlatih untuk STEM. Latihan khusus ini menjadikan O1-Mini pakar dalam tugas-tugas yang berkaitan dengan STEM. Model ini cekap dan kos efektif, sesuai untuk aplikasi STEM. Prestasinya mengagumkan, terutamanya dalam matematik dan pengekodan. O1-Mini dioptimumkan untuk kelajuan dan ketepatan dalam penalaran STEM. Ini alat yang berharga untuk penyelidik dan pendidik.

O1-Mini unggul dalam penanda aras kecerdasan dan penalaran, mengatasi O1-Preview dan O1, tetapi berjuang dengan tugas pengetahuan faktual yang tidak sistem.

Juga Baca: O1: Model Baru Terbuka yang 'Berfikir' sebelum menjawab masalah yang sukar

GPT 4O vs O1 vs O1-Mini

Perbandingan tindak balas pada soalan penalaran perkataan menyoroti perbezaan prestasi. Walaupun GPT-4O bergelut, O1-Mini dan O1-Preview cemerlang, memberikan jawapan yang tepat. Terutama, kelajuan O1-mini adalah luar biasa, menjawab kira-kira 3-5 kali lebih cepat.

Bagaimana cara menggunakan O1-Mini?

• Chatgpt Plus dan Pengguna Pasukan : Akses O1-Mini dari pemetik model hari ini, dengan had mingguan 50 mesej.
• ChatGPT Enterprise dan Pengguna Pendidikan : Akses kepada kedua -dua model bermula minggu depan.
• Pemaju : Pengguna API Tahap 5 boleh bereksperimen dengan model -model ini hari ini, tetapi ciri -ciri seperti panggilan fungsi dan streaming belum tersedia.
• Pengguna Percuma CHATGPT : O1-Mini tidak lama lagi akan tersedia untuk semua pengguna percuma.

Prestasi cemerlang O1-Mini: Matematik, pengekodan, dan seterusnya

Model Openai O1-Mini telah diuji dalam pelbagai pertandingan dan penanda aras, dan prestasinya agak mengagumkan. Mari lihat komponen yang berbeza satu demi satu:

Matematik

Dalam pertandingan matematik AIME sekolah menengah, O1-Mini menjaringkan 70.0%, yang setanding dengan model O1 yang lebih mahal (74.4%) dan jauh lebih baik daripada O1-Preview (44.6%). Skor ini menempatkan O1-Mini di antara 500 pelajar sekolah menengah AS, pencapaian yang luar biasa.

Pengekodan

Bergerak ke pengekodan, O1-Mini bersinar di laman web persaingan CodeForces, mencapai skor ELO 1650. Skor ini bersaing dengan O1 (1673) dan melepasi O1-Preview (1258). Ini menempatkan O1-Mini dalam persentil ke-86 pengaturcara yang bersaing di platform CodeForces. Di samping itu, O1-Mini berfungsi dengan baik pada penanda aras pengekodan manusia dan cabaran menangkap cybersecurity peringkat tinggi (CTFS), seterusnya mengukuhkan kehebatan pengekodannya.

Batang

O1-Mini telah membuktikan keberaniannya dalam pelbagai tanda aras akademik yang memerlukan kemahiran penalaran yang kuat. Dalam tanda aras seperti GPQA (Sains) dan Math-500, O1-Mini melebihi GPT-4O, mempamerkan kecemerlangannya dalam tugas-tugas yang berkaitan dengan STEM. Walau bagaimanapun, apabila tugas-tugas yang memerlukan pengetahuan yang lebih luas, seperti MMLU, O1-Mini mungkin tidak melaksanakan serta GPT-4O. Ini kerana O1-Mini dioptimumkan untuk penalaran STEM dan mungkin kekurangan pengetahuan dunia yang luas yang dimiliki oleh GPT-4O.

Penilaian keutamaan manusia

Pengawal manusia secara aktif membandingkan prestasi O1-mini terhadap GPT-4O dengan mencabar yang mencabar di pelbagai domain. Hasilnya menunjukkan keutamaan untuk O1-Mini dalam domain penalaran, tetapi GPT-4O memimpin di kawasan yang berfokus pada bahasa, menonjolkan kekuatan model dalam konteks yang berbeza.

Komponen Keselamatan di O1-Mini

Keselamatan dan penjajaran model O1-Mini adalah sangat penting untuk memastikan penggunaannya yang bertanggungjawab dan etika. Berikut adalah penjelasan mengenai langkah -langkah keselamatan yang dilaksanakan:

• Teknik Latihan: Pendekatan latihan O1-Mini mencerminkan pendahulunya, O1-Preview, memberi tumpuan kepada penjajaran dan keselamatan. Strategi ini memastikan output model sejajar dengan nilai -nilai manusia dan mengurangkan risiko yang berpotensi, aspek penting dalam perkembangannya.
• Kekukuhan Jailbreak: Salah satu ciri keselamatan utama O1-Mini adalah kekukuhan jailbreak yang dipertingkatkan. Pada versi dalaman dataset strongrecect, O1-Mini menunjukkan keteguhan jailbreak yang lebih tinggi sebanyak 59% berbanding GPT-4O. Kekukuhan Jailbreak merujuk kepada keupayaan model untuk menahan percubaan untuk memanipulasi atau menyalahgunakan outputnya, memastikan ia tetap sejajar dengan tujuan yang dimaksudkan.
• Penilaian Keselamatan: Sebelum menggunakan O1-Mini, penilaian keselamatan menyeluruh telah dijalankan. Penilaian ini mengikuti pendekatan yang sama yang digunakan untuk O1-Preview, yang termasuk langkah-langkah kesediaan, tamalan merah luaran, dan penilaian keselamatan yang komprehensif. Tentera merah luar melibatkan pakar bebas untuk mengenal pasti potensi kerentanan dan risiko keselamatan.
• Hasil terperinci: Hasil penilaian keselamatan ini diterbitkan dalam kad sistem yang disertakan. Ketelusan ini membolehkan pengguna dan penyelidik memahami langkah -langkah keselamatan model dan membuat keputusan yang tepat mengenai penggunaannya. Kad sistem memberikan pandangan tentang prestasi model, batasan, dan risiko yang berpotensi, memastikan penggunaan dan penggunaan yang bertanggungjawab.

Nota akhir

Openai's O1-Mini adalah penukar permainan untuk aplikasi STEM, menawarkan kecekapan kos dan prestasi yang mengagumkan. Latihan khususnya meningkatkan kebolehan pemikiran, terutamanya dalam matematik dan pengekodan. Dengan langkah-langkah keselamatan yang mantap, O1-Mini cemerlang dalam tanda aras STEM, menyediakan alat yang boleh dipercayai dan telus untuk penyelidik dan pendidik.

Tinggal di Analytics Vidhya Blog untuk mengetahui lebih lanjut mengenai penggunaan O1 Mini!

Atas ialah kandungan terperinci O1-Mini: Model yang mengubah permainan untuk batang dan penalaran. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!